二维区间密度加权算子及其应用

针对不确定多属性决策中的属性信息分布不均匀,且评价信息多数为二维信息的情况,本文提出了二维区间密度加权算子(TDIDW算子)的属性信息集结方法.依据密度算子的集结过程特点,文章首先定义了二维区间密度加权算子及其合成算子,然后介绍了基于灰色区间聚类法的评价信息分组方法以及基于非线性模型的密度加权向量确定方法,最后进行了算例验证.验证结果表明,该方法可以有效地解决由于属性信息分布不均匀而导致评价结果不准确的问题.

区间数密度算子及其应用

针对决策信息为区间数形式的不确定多属性决策问题,将密度中间算子由精确值形式拓展到区间数形式.通过引入"区间隶属度"的概念对区间数进行聚类,并给出一种通过规划模型确定密度加权向量的方法;在此基础上,对区间数密度中间算子及其合成算子进行了界定.最后,通过一个算例对区间数密度算子的应用进行了说明.该方法结合区间数的特征,进一步拓展了密度算子的理论体系和实际应用范围.

基于区间分布密度的背景初始化方法

为了从有运动物体存在的监控视频中提取初始化背景,提出一种基于区间分布密度的背景建模方法。首先将背景训练序列中所有像素点的灰度值按大小归类,然后通过计算区间分布密度筛选出包含背景信息最为完整的灰度区间,完成背景初始化。考虑到初始背景的提取可能受到部分图像光线突变的影响,在背景建模之前采用最小均方误差理论对背景训练序列进行突变检测。实验结果表明,该方法简单易行,可以排除光线的干扰,具有较好的适应性,能够在较短时间内得到较为逼真的初始背景。

区间直觉模糊数密度加权算子及其决策应用

在多属性决策中,当属性值为区间值直觉模糊数时,考虑属性信息分布疏密程度,研究了区间值直觉模糊集数据聚类的问题,提出了新的算子——线性区间值直觉模糊数密度加权平均中间算子(IIFDWA)和积性区间值直觉模糊数密度加权平均中间算子(IIFDWGA),统称区间值直觉模糊密度加权算子.最后,将IIFDWA算子和WAA算子结合应用到多属性群决策问题中.

基于改进区间数密度集结算子指标群赋权方法

针对指标数据已知,而权重数据未知的群组赋权问题,给出了一种基于改进的区间数密度集结算子来进行指标群组赋权的决策方法。首先给出了区间数和区间数密度集结算子(IDM)的定义及性质,改进了以前区间数聚类的方法,应用直接法对一维区间数据组进行聚类,并定义了模糊统计量,以确定最为合理的一种聚类方式。然后基于改进的区间数密度集结算子这种数学模型,来解决指标值数据已知,而权重未知的群组赋权问题。最后举例说明该方法的可行性和实用性。

南京地区低血红蛋白密度参考区间的建立及其在缺铁性贫血中的应用

目的建立南京地区低血红蛋白密度（10whemoglobindensity，LHD％）的参考区间以及探讨其在缺铁性贫血诊断及治疗中的应用价值。方法选取240例健康对照（男性120例，女性120例）以及61例缺铁性贫血（iron-deficiencyane—mia，IDA）患者，用BeckmanCoulterLH750血液分析仪进行血常规检测，分析平均血红蛋白浓度（meancorpuscularhemo—globinconcentration，MCHC），计算LHD％。结果健康对照组LHD％均值为1．86％，95％参考区间为0．5％～3．9％，男性大于女性。差异有统计学意义（t=3．8，P=0．000）。IDA组LHD％明显升高，均值29．64％，与健康对照组相比差异有统计学显著性意义（t=14．0，P=0．000），且与Hb水平呈负相关（r=-0．56，P=0．000）。通过ROC曲线分析，取3．9l％为CUt—off值时，LHD％用于诊断IDA的敏感度为96．2％，特异度为100％，敏感度比MCHC得到了很大的提高。治疗后，LHD％明显降低，但恢复比Hb和MCHC慢。结论建立了南京地区LHD％的参考区间，LHD％对于IDA早期诊断和井特的动杰监测且者一定的临庚价值．

简单均匀分布参数同等最短置信区间的求法

对形如U(0θ)的均匀分布,文章在给定置信水平1-a下,用计算函数极值的方法得到了参数q的平均长度最短的同等置信区间,然后通过最大密度区间法得到了该参数的相同的最短置信区间,后者的求解过程也充分印证了该方法也是确定参数最短置信区间以及构造等尾置信区间的依据。

重力数据探测地下目标的贝叶斯方法研究

针对地下目标空间位置和形状均未知的情况,基于重力数据,分别以区域测量和线测量2种场景进行建模分析,研究贝叶斯推断用于地下目标探测的效果。结果表明,将贝叶斯推断用于重力梯度探测,比微重力探测更具优势,能有效反演出目标的未知参数。

两种估计区间解法的讨论

依据等概率对称区间和等密度对称区间的概念引出两种估计区间求解方法,并通过两种方法推导证明了等密度对称区间即为最短估计区间.然后分别就F分布和χ2分布情形对这两种区间估计方法作以比较.比较发现,在同样条件下,等密度对称区间总比概率对称区间要短,并且随着自由度增加,两种区间趋于重合.

一种确定井网密度的新方法

根据单井产能公式法采油速度可以决定井网密度。由油田数据回归又可以得到采油速度关于井网密度的函数关系式。这样将其带入产能公式就可以得到关于井网密度的方程。解方程得到技术井网密度值。最后综合考虑经济井网密度来划分井网密度区间,再根据油田实际需要最终确定井网密度值。

设施番茄长季节丰产栽培密度试验

为探明设施番茄长季节丰产栽培中栽培密度对产量的影响,开展了金棚系列良种设施番茄长季节栽培密度比较试验,结果表明:天水地区设施番茄长季节丰产栽培行距定为50cm前提下,株距45cm效果最佳,667m2产量可达12399.4kg;株距37.5cm的次之,667m2产量为11000.4kg。行距为50cm时,以株距45cm为主,37.5cm为辅,是天水设施番茄长季节丰产栽培的最佳密度区间。

概率密度函数和它的导数的最小二乘估计

本文提出了应用线性回归方法改进核密度估计的一种方法，它说明了对于适当范围的带宽，在一个点的核密度估计的偏差，能近似表成带宽加一正规误差的多项式，应用多个带宽，多项式的系数能按照广义最小二乘估计，这个结果可用于校正偏差或渐近有效推论。

合理进行均值比较——泊松分布回归模型

本文目的是介绍与泊松分布回归模型有关的6个基本概念、计算方法、一个临床调查实例及其SAS实现。基本概念包括泊松分布、泊松分布回归模型、偏移量、标准化死亡比(SMR)、偏差信息准则和最高后验密度区间。计算方法涉及泊松分布回归参数的经典估算方法和贝叶斯估算方法。临床调查实例涉及1975年-1980年苏格兰56个县的唇癌观察和预期病例的数据。本文给出了采用SAS处理实例中计数资料的全过程,包括基于bglimm过程构建5个泊松分布回归模型和展示预测的SMR与观测的SMR之间的吻合程度。对输出结果作出了解释,并基于模型拟合效果评价统计量,对所构建的多个泊松分布回归模型进行比较,得出了适合本文资料的最优泊松分布回归模型。

用态势模型预测基因表达式编程的进化难度

在基因表达式编程(gene expression programming,简称GEP)中,由于不同问题得到的适应度-距离相关系数(fitness-distance correlation,简称FDC)值很相近,所以难以用FDC预测GEP求解不同问题的进化难度.为了解决该问题,提出了态势模型及其区间密度指标来预测GEP的进化难度.主要工作包括:(1)提出了GEP染色体之间的距离和态势模型的新概念;(2)提出了态势模型中的区间密度指标;(3)从动力学角度证明了态势模型是对GEP原搜索空间的一种映射,并且该映射保持了种群在原搜索空间中移动的动力学性质;(4)分析了用态势模型区间密度预测GEP进化难度的合理性;(5)用实验验证了区间密度能够准确预测GEP求解问题的进化难度.

机器人全闭环定位误差因素敏感度分析

针对因影响定位误差因素较多而不易对机器人定位误差进行准确标定的问题,首先建立了基于雅克比矩阵的机器人全闭环定位误差数学模型;然后给出了用于分析各因素单点敏感度的机器人单因素微分定位误差及相对单因素微分定位误差公式;接着采用正交实验法设计了能全面反映机器人定位误差分布的姿态样本空间并基于区间概率密度给出了单因素综合微分定位误差及相对单因素综合微分定位误差公式;最后通过仿真分别分析了机器人各因素对其定位误差影响的单点敏感度及多点综合敏感度,为进一步进行机器人定位误差的标定打下了基础.

基于广义半逻辑分布的应力-强度模型统计推断

本文通过研究了独立两总体广义半逻辑分布情形下应力-强度模型可靠度统计推断问题,具体推导出可靠度的极大似然估计和贝叶斯估计.基于平均偏差(均方误差)以及覆盖概率(平均区间长度),分析比较了两种估计量的数值表现.分析结果表明,当两总体参数相同时,贝叶斯估计量表现较好;但当两总体参数不同时,极大似然估计量表现较好.最后,以顾客到两家银行办理业务等待时间为例,说明该理论的具体应用.

贝叶斯统计与传统统计方法的比较

贝叶斯统计为数据分析提供了新的视角。贝叶斯因子量化备择假设和零假设相对证据的强度,是连续性测量。贝叶斯参数估计得到的95%高密度区间和实际对等域为统计决策提供充分的信息。文章通过对一项实验研究数据的再分析,揭示了贝叶斯统计相对于传统统计所具有的优势,包括直觉上的吸引力、证据的力度与透明度以及避免过度解释研究发现。贝叶斯统计必将在应用语言学实证研究中发挥越来越重要的作用。

应用语言学数据分析贝叶斯转向

贝叶斯统计利用现有数据更新对模型参数先验分布的不确定性,推导更有确定性的参数后验分布,克服常规统计分析方法存在的局限。本文介绍贝叶斯统计基本原理和概念,指出贝叶斯统计与常规统计的主要区别。利用真实数据说明如何使用贝叶斯统计方法比较配对组样本和独立组样本,以及如何开展简单线性回归分析。本文建议应用语言学研究者更新统计思维方式,学会使用贝叶斯统计方法探索理论与实践问题。

区间信息下的大规模群体DEMATEL决策方法

针对现有区间数DEMATEL决策方法大多适用于中小规模群体,且未考虑区间数具有正态分布特征的情况,提出一种新的区间信息下的大规模群体DEMATEL决策方法.首先,给出一种群体区间数DEMATEL矩阵的聚类方法,并对大规模群体DEMATEL评分进行分组;其次,在三维区间密度算子的基础上,对大规模群体DEMATEL评分进行集结;最后,提出一种改进的基于区间数DEMATEL的指标权重确定方法,并进行多属性决策.文末通过一个算例验证了所提方法的有效性与合理性.算例分析表明,该方法不仅能够较好解决具有正态分布特征的区间数DEMATEL决策问题,还能够充分考虑大规模群体决策的共识度,因此使得决策结果更为客观合理且更为可靠.